在python中无法将文本数据读入数据框

我正在尝试将文本数据从读取到数据框中。我的代码是：

dftxt = """
    0             1               2
1  10/1/2016    'stringvalue'     456
2  NaN          'anothersting'    NaN
3  NaN          'and another '    NaN
4  11/1/2016    'more strings'    943
5  NaN          'stringstring'    NaN
"""

from io import StringIO
df = pd.read_csv(StringIO(dftxt), sep='\s+')
print (df)

但我得到了以下错误：

Traceback (most recent call last):
  File "mydf.py", line 16, in <module>
    df = pd.read_csv(StringIO(dftxt), sep='\s+')
  File "/usr/lib/python3/dist-packages/pandas/io/parsers.py", line 646, in parser_f
    return _read(filepath_or_buffer, kwds)
  File "/usr/lib/python3/dist-packages/pandas/io/parsers.py", line 401, in _read
    data = parser.read()
  File "/usr/lib/python3/dist-packages/pandas/io/parsers.py", line 939, in read
    ret = self._engine.read(nrows)
  File "/usr/lib/python3/dist-packages/pandas/io/parsers.py", line 1508, in read
    data = self._reader.read(nrows)
  File "pandas/parser.pyx", line 848, in pandas.parser.TextReader.read (pandas/parser.c:10415)
  File "pandas/parser.pyx", line 870, in pandas.parser.TextReader._read_low_memory (pandas/parser.c:10691)
  File "pandas/parser.pyx", line 924, in pandas.parser.TextReader._read_rows (pandas/parser.c:11437)
  File "pandas/parser.pyx", line 911, in pandas.parser.TextReader._tokenize_rows (pandas/parser.c:11308)
  File "pandas/parser.pyx", line 2024, in pandas.parser.raise_parser_error (pandas/parser.c:27037)
pandas.io.common.CParserError: Error tokenizing data. C error: Expected 4 fields in line 5, saw 6

回溯（最近一次呼叫最后一次）：
文件“mydf.py”，第16行，在
df=pd.read_csv（StringIO（dftxt），sep='\s+'）
文件“/usr/lib/python3/dist packages/pandas/io/parsers.py”，第646行，在parser\u f中
返回读取（文件路径或缓冲区，kwds）
文件“/usr/lib/python3/dist packages/pandas/io/parsers.py”，第401行，已读
data=parser.read（）
文件“/usr/lib/python3/dist packages/pandas/io/parsers.py”，第939行，已读
ret=自身。\发动机读取（nrows）
文件“/usr/lib/python3/dist packages/pandas/io/parsers.py”，第1508行，已读
数据=自身。\读卡器读取（nrows）
pandas.parser.textleader.read（pandas/parser.c:10415）中的文件“pandas/parser.pyx”，第848行
文件“pandas/parser.pyx”，第870行，位于pandas.parser.TextReader.\u read\u low\u内存中（pandas/parser.c:10691）
文件“pandas/parser.pyx”，第924行，在pandas.parser.TextReader.\u read\u行中（pandas/parser.c:11437）
文件“pandas/parser.pyx”，第911行，位于pandas.parser.TextReader.\u标记化\u行（pandas/parser.c:11308）
pandas.parser.raise_parser_error（pandas/parser.c:27037）中的文件“pandas/parser.pyx”，第2024行
pandas.io.common.CParserError:标记数据时出错。C错误：第5行中预期有4个字段，saw 6

---

我无法理解错误读取的是哪6个字段：

第5行应该有4个字段，saw 6

。问题在哪里？如何解决？第5行是这个-

 3  NaN          'and another '    NaN
 1   2             3    4     5     6

问题在于你的分离器。它将每个空格分隔的单词解释为一个单独的列。在这种情况下，您需要

• 将

  sep

  参数更改为

  \s{2，}

  ，然后
• 将引擎更改为

  'python'

  以抑制警告

另外，我会使用

str.strip

-

df.iloc[:, 1] = df.iloc[:, 1].str.strip("'")
df

           0             1      2
1  10/1/2016   stringvalue  456.0
2        NaN  anothersting    NaN
3        NaN  and another     NaN
4  11/1/2016  more strings  943.0
5        NaN  stringstring    NaN

---

---

最后，从一个用户到另一个用户，有一个小的便利功能，我想你应该看看。它从剪贴板中读取数据，并接受几乎所有的参数，

read\u csv

。

它工作得非常好。为什么需要

engine='python'

？如果没有此选项，代码似乎也能正常工作。@非常正确。默认情况下，“python”引擎用于可变宽度分隔符，因为C引擎似乎不支持它。但它仍然发出了警告。显式比隐式好！（还记得Python的禅宗吗。）

df.iloc[:, 1] = df.iloc[:, 1].str.strip("'")
df

           0             1      2
1  10/1/2016   stringvalue  456.0
2        NaN  anothersting    NaN
3        NaN  and another     NaN
4  11/1/2016  more strings  943.0
5        NaN  stringstring    NaN